[发明专利]一种适用于矿区形变监测的序贯BWS-DIE同质点选取方法

说明书

本发明公开一种适用于矿区形变监测的序贯BWS‑DIE同质点选取方法，属于时序InSAR矿区形变监测领域。在SAR影像中设定初始检验窗口和BWS检验窗口，在影像中初始设定参考像素和待判别像素，BWS检验窗口内，对参考像素和待判别像素幅度序列进行拟合优度检验，判断参考像素与待判别像素是同质像素还是异质像素，从而获取参考像素局部的同质点集合；BWS检验窗口的长宽均扩张一个像素后继续求同质点集合，重复扩展直至BWS检验窗口扩张至给定的初始检验别窗口，获得最终的参考像素同质像元集合，利用同质像元集合进行DS目标提取和后续进行矿区形变监测。其不仅能够维持原始SAR图像分辨率，还能同时抑制噪声，提升各同质区域的信噪比,从而提高形变解算的精度。

技术领域

本发明涉及一种适用于矿区形变监测的序贯BWS-DIE同质点选取方法，属于时序InSAR矿区形变监测技术领域。

背景技术

虽然时序InSAR技术在长时间序列监测中有效提高了地表形变监测精度，但针对矿区长期被植被和裸土覆盖的区域，现有方法获取的点目标密度过于稀疏，无法为形变场提供足够丰富的形变细节信息，难以精准刻画地表时空演变规律。为了提高时序InSAR技术监测点密度，众多学者先后提出了分布式目标(Distributed Scatterers，DS)InSAR方法。DS目标是指在任一雷达分辨率单元内没有任何散射体的后向散射强度占据统治地位的点目标。在地表下沉量级较大、或植被和裸土覆盖率较高的矿区，DS InSAR技术可以大幅度提高监测点目标密度，进而有利于地表高精度时空演变规律的获取。

同质像元集合的识别是开展DS目标提取的基础。目前，同质像素集合的识别方法主要包括两类：非参数假设检验方法和参数假设检验方法。其中，非参数假设检验方法主要包括双样本Kolmogorov-Smirnov(KS)检验和Baumgartner-Wei-Schindler(BWS)检验等；参数假设检验方法主要有(Generalized likelihood ratio,GLR)检验、Fast StatisticallyHomogeneous Pixel Selection(FaSHPS)算法以及双样本T(T-T)检验等。以上算法各有优劣，也在部分区域取得了效果，但是还未有专门为矿区形变监测而设计的同质点选取算法。

矿区存在开采周期长，上覆地表多为村庄农田等特点，利用DS InSAR技术获取矿区形变规律，很难保证获取的SAR影像的数量以及监测点目标数量。为此，本发明设想发明一种新型的同质点选取算法，意在利用少量的SAR影像，即可获得高质量的同质点选取结果。同质点集合的精确识别可以使矿区内的同质区域不受周围区域的信号污染，保证矿区内对应的地物单元相位稳定性，增加矿区内监测点密度，从而精准的刻画矿区地表的时空演化规律，满足矿区形变监测工程的需要。

发明内容

技术问题：针对现有技术的不足之处，提供一种适用于矿区形变监测的序贯BWS-DIE同质点选取方法，能够在少量SAR影像数量情况下即可保证选取监测点的密度和可靠性，为后续矿区形变监测提供支撑；同时同质点集合的精确性在对SAR影像强度图滤波及干涉图相位优化时能够保证不被周围的信号污染，从而提高滤波的清晰程度及形变解算的精度。

技术方案：为实现上述技术目的，本发明一种适用于矿区形变监测的序贯BWS-DIE同质点选取方法，步骤如下：

步骤1、将配准的N幅SAR影像数据进行裁剪，将所有SAR影像统一裁剪大小为R×C，并将N幅SAR影像数据按照采集时间进行排序，以幅度向量为研究对象，幅度向量堆栈为R×C×N；

步骤2、在裁剪后的SAR影像中设定大小为D×D的初始检验窗口、大小为T×T的BWS检验窗口，并满足DT；初始设定检验窗口和BWS检验窗口中心像素一致，并将该中心像素设定为参考像素，其余像素为待判别像素，参考像素的幅度向量为(R(D/2),C(D/2))；

步骤3、在BWS检验窗口内，对参考像素和待判别像素幅度序列进行拟合优度检验，判断参考像素与待判别像素是同质像素还是异质像素，从而获取参考像素局部的同质点集合；